1. 自我介绍2. 训练一个 decoder-only 大模型时，为什么 embedding 层和 lm head 常常共享权重权重共享本质上是一种参数高效和统计一致性的设计。输入端 embedding 学到的是“token 到向量空间”的映射，输出端 lm head 学到的是“隐藏状态到词表概率”的映射，如果这两个空间本身就在描述同一个词表语义，那么共享权重可以减少冗余参数，并让输入语义空间与输出判别空间保持一致。从优化角度看，共享权重还能起到轻微正则化作用，尤其在词表非常大时更明显。代价是模型表达自由度下降了一点，但对大多数语言模型来说这个损失远小于收益。很多实现里会保留一个独立 bias...

这种要去吗？

28届2本非科班大概很快要找实习了，应该是偏ai应用开发方向

面了70分钟，完完全全的道心破碎，拼尽全力仍然没有战胜字节二面1、什么是视觉问答2、介绍一下项目3、组件封装这个过程中你做了哪些沉淀4、UI还原是怎么做的，纯靠观察吗5、实习的过程中有没有主动发现问题并解决6、你做的功能拓展有没有带来开发负担7、样式的一键切换怎么做的8、开放思维题：有一个粗细不均匀的绳子，燃烧需要一个小时，现在有两个绳子，如果衡量45分钟9、从url到页面渲染发生了什么10、tcp为什么需要三次握手11、为什么要使用rag+微调的手段coding输入一个url，获取所有的参数，自己设计测试样例，自己考虑边界，写一个健壮的代码相关提问：参数是undefined，会输出什么？如果...